Mat Mat::row(int i) constios
Mat Mat::col(int j) constdom
Range(start,end);函数
Range::all(); // 表示全部行或列spa
Mat A; Mat B=A(Range::(5,9),Range(1,3)); //表示5-9行(不包括9),1-3列(不包括3)
//在图像的右下角定义一个ROI cv::Mat imageROI(image,cv::Rect(image.cols-logo.cols, image.rows-logo.rows, logo.cols, logo.rows)); 或者 cv::Mat imageROI=image(cv::Rect(image.cols-logo.cols, image.rows-logo.rows, logo.cols, logo.rows));
使用at()函数代码可读性高,效率不是很高,使用at()函数必须用两个循环实现指针
注意访问顺序,先访问行(外循环rows)(指针在高的第一行)blog
再访问列(内循环cols)(指针移动宽的每一行)索引
template <typename _Tp> inline _Tp& Mat::at(int i0, int i1)it
template <typename _Tp> inline const _Tp& Mat::at(int i0, int i1) constio
template <typename _Tp> inline _Tp& Mat::at(Point pt)图像处理
template <typename _Tp> inline const _Tp& Mat::at(Point pt) const
template <typename _Tp> inline _Tp& Mat::at(int i0)
template <typename _Tp> inline const _Tp& Mat::at(int i0) const
template <typename _Tp> inline _Tp& Mat::at(int i0, int i1, int i2)
template <typename _Tp> inline const _Tp& Mat::at(int i0, int i1, int i2) const
template <typename _Tp> inline _Tp& Mat::at(const int* idx)
template <typename _Tp> inline const _Tp& Mat::at(const int* idx) const
template <typename _Tp, int n> _Tp& Mat::at(const Vec<int, n>& idx)
template <typename _Tp, int n> inline const _Tp& Mat::at(const Vec<int, n>& idx) const
at()函数是模板函数,能够自定义类型
其中at<uchar>表示单通道图像,at<cv::Vec3b>表示三通道图像
//遍历像素值 #include <iostream> #include "opencv2/opencv.hpp" using namespace std; int main(int argc, char* argv[]) { cv::Mat grayim(600, 800, CV_8UC1); cv::Mat colorim(600, 800, CV_8UC3); //遍历全部像素,并设置像素值 for(int i = 0;i < grayim.rows; ++i) for(int j = 0; j < grayim.cols; ++j) grayim.at<uchar>(i,j) = (i+j)%255; //遍历全部像素,并设置像素值 for(int i=0; i<colorim.rows; ++i) for(int j=0; j<colorim.cols; ++j) { cv::Vec3b pixel; pixel[0] = i%255; //Blue pixel[1] = j%255; //Green pixel[2] = 0; //Red colorim.at<cv::Vec3b>(i,j) = pixel; } cv::imshow("grayim",grayim); cv::imshow("colorim",colorim); cv::waitKey(0); return 0; }
注意at()函数返回的是一个uchar变量类型,而ptr()函数返回的是一个uchar*指针类型
ptr()函数和at()函数都须要两个循环来遍历像素.虽然它返回的是指针,索引速度比较快,可是指针不进行类型以及越界检查
它的访问顺序是跟at()函数有点像,先获取首个行指针,再遍历列指针
inline uchar* Mat::ptr(int y)
inline const uchar* Mat::ptr(int y) const
template<typename _Tp> inline _Tp* Mat::ptr(int y)
template<typename _Tp> inline const _Tp* Mat::ptr(int y) const
inline uchar* Mat::ptr(int i0, int i1)
intline const uchar* Mat::ptr(int i0, int i1) const
template<typename _Tp> inline _Tp* Mat::ptr(int i0, int i1)
template<typename _Tp> inline const _Tp* Mat::ptr(int i0, int i1) const
inline uchar* Mat::ptr(int i0, int i1, int i2)
inline const uchar* Mat::ptr(int i0, int i1, int i2) const
template<typename _Tp> inline _Tp* Mat::ptr(int i0, int i1, int i2)
template<typenmae _Tp> inline const _Tp* Mat::ptr(int i0, int i1, int i2) const
inline uchar* Mat::ptr(const int* idx)
inline const uchar* Mat::ptr(const int* idx) const
#include <iostream> #include "opencv2/opencv.hpp" using namespace std; int main(int argc, char* argv[]) { cv::Mat grayim(600,800,CV_8UC1); cv::Mat colorim(600,800,CV_8UC3); //遍历全部像素,并设置像素值 for( int i = 0; i < grayim.rows; ++i) { //获取第i行首像素指针 uchar* p = grayim.ptr<uchar>(i); //对第i的每一个像素操做 for(int j = 0;j < grayim.cols; ++j) p[j] = (i+j)%255; } //遍历全部像素,并设置像素值 for( int i = 0; i<colorim.rows; ++i) { //获取第i行首像素指针 cv::Vec3b* p=colorim.ptr<cv::Vec3b>(i); for( int j = 0; j < colorim.cols; ++j) { p[j][0] = i%255; //Blue p[j][1] = j%255; //Green p[j][2] = 0; //Red } } imshow("grayim", grayim); imshow("colorim", colorim); cv::waitKey(0); return 0; }
迭代器访问有点像at()函数访问,虽然它只须要一个循环,可是它的可读性没有at()函数清楚
MatIterator_是一个类模板,而at()函数是函数模板
MatIterator_相似于STL中的迭代器,根据迭代器开头和结尾一直遍历
template<typename _Tp>
class MatIterator_ : public MatConstIterator_<_Tp>
{
public:
typedef _Tp* pointer;
typedef _Tp& reference;
typedef std::random_access_iterator_tag iterator_category;
MatIterator_();
MatIterator_(Mat_<_Tp>* _m);
MatIterator_(Mat_<_Tp>* _m, int _row, int _col = 0);
MatIterator_(const Mat_<_Tp>* _m, Point _pt);
MatIterator_(const Mat_<_Tp>* _m, const int* _idx);
MatIterator_(const MatIterator_& it);
MatIterator_& operator = (const MatIterator_<_Tp>& it);
_Tp& operator *() const;
_Tp& operator [](ptrdiff_t i) const;
MatIterator_& operator += (ptrdiff_t ofs);
MatIterator_& operator -= (ptrdiff_t ofs);
MatIterator_& operator -- ();
MatIterator_ operator -- (int);
MatIterator_& operator ++ ();
MatIterator_ operator ++ (int);
};
#include <iostream> #include "opencv2/opencv.hpp" using namespace std; int main(int argc, char* argv[]) { cv::Mat grayim(600, 800, CV_8UC1); cv::Mat colorim(600, 800, CV_8UC3); //遍历全部像素,并设置像素值 cv::MatIterator_<uchar> grayit, grayend; for( grayit = grayim.begin<uchar>(), grayend = grayim.end<uchar>(); grayit != grayend; ++grayit) *grayit = rand()%255; //遍历全部像素,并设置像素值 cv::MatIterator_<cv::Vec3b> colorit,colorend; for( colorit = colorim.begin<cv::Vec3b>(), colorend = colorim.end<cv::Vec3b>(); colorit != colorend; ++colorit) { (*colorit)[0] = rand()%255; //Blue (*colorit)[1] = rand()%255; //Green (*colorit)[2] = rand()%255; //Red } //显示结果 cv::imshow("grayim", grayim); cv::imshow("colorim", colorim); cv::waitKey(0); return 0; }
//用Mat_模板操做图像 cv::Mat_<uchar> im2(image); im2(50,100)=0; // 访问第50行,第100列处那个值
LUT(Look Up Table,查找表)是一张像素灰度值的映射表,它将采样到的灰度值通过图像处理(替换 反转 赋值 阈值 二值化 灰度变化等),利用映射关系变换成相应的灰度值
OpenCV中LUT查找表包含256个元素,应用于单通道或相同类型的多通道数据,用于减小图像映射的时间复杂度
cv::Mat inverseColor6(cv::Mat srcImage) { int row = srcImage.rows; int col = srcImage.cols; cv::Mat tempImage = srcImage.clone(); // 创建LUT 反色table uchar LutTable[256]; for (int i = 0; i < 256; ++i) LutTable[i] = 256 - i; cv::Mat lookUpTable(1, 256, CV_8U); uchar* pData = lookUpTable.data; // 创建映射表 for (int i = 0; i <256; ++i) pData[i] = LutTable[i]; // 应用搜索表进行查找 cv::LUT(srcImage, lookUpTable, tempImage); return tempImage; }
//test.cpp void colorReduce(cv::Mat image,int div=64){ int nl=image.rows; //行数 //每行的元素数量 int nc=image.cols*image.channels(); for(int j=0;j<nl;j++){ //取得行j的地址 uchar* data=image.ptr<uchar>(j); for(int i=0;i<nc;i++){ //处理每一个像素 data[i]=data[i]/div*div+div/2; } } }
void colorReduce(cv::Mat image,int div=64){ //在初始位置得到迭代器 cv::Mat_<cv::Vec3b>::iterator it=image.begin<cv::Vec3b>(); //得到结束位置 cv::Mat_<cv::Vec3b>::iterator itend=image.end<cv::Vec3b>(); //循环遍历全部像素 for(;it!=itend;++it){ //处理每一个像素 (*it)[0]=(*it)[0]/div*div+div/2; (*it)[1]=(*it)[1]/div*div+div/2; (*it)[2]=(*it)[2]/div*div+div/2; } }
void sharpen(const cv::Mat& image,cv::Mat& result){ //判断是否须要分配图像数据,若是须要,就分配 result.create(image.size(),image.type()); int nchannels=image.channels(); //得到通道数 //处理全部行(除了第一行和最后一行) for(int j=1;j<image.rows-1;j++){ const uchar* previous=image.ptr<const uchar>(j-1); //上一行 const uchar* current=image.ptr<const uchar>(j); //当前行 const uchar* next=image.ptr<const uchar>(j+1); //下一行 uchar* output=result.ptr<uchar>(j); //输出行 for(int i=nchannels;i<(image.cols-1)*nchannels;i++){ *output++=cv::saturate_cast<uchar>( 5*current[i]-current[i-nchannels]-current[i+nchannels-previous[i]-next[i]]); } } //把未处理的像素设为0 result.row(0).setTo(cv::Scalar(0)); result.row(result.rows-1).setTo(cv::Scalar(0)); result.col(0).setTo(cv::Scalar(0)); result.col(result.cols-1).setTo(cv::Scalar(0)); } int main() { cv::Mat imag1=cv::imread("a.jpg"); cv::Mat result; sharpen(imag1,result); cv::namedWindow("Image"); cv::imshow("Image",result); cv::waitKey(0); system("pause"); return 0; }